CN113222227B - 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 - Google Patents
基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 Download PDFInfo
- Publication number
- CN113222227B CN113222227B CN202110459786.3A CN202110459786A CN113222227B CN 113222227 B CN113222227 B CN 113222227B CN 202110459786 A CN202110459786 A CN 202110459786A CN 113222227 B CN113222227 B CN 113222227B
- Authority
- CN
- China
- Prior art keywords
- building
- power
- scheduling
- time
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000007599 discharging Methods 0.000 claims abstract description 67
- 238000010438 heat treatment Methods 0.000 claims description 75
- 230000005611 electricity Effects 0.000 claims description 36
- 238000009423 ventilation Methods 0.000 claims description 30
- 238000004378 air conditioning Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 24
- 238000005265 energy consumption Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 19
- 238000004146 energy storage Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 230000000087 stabilizing effect Effects 0.000 claims description 7
- 125000000217 alkyl group Chemical group 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000007664 blowing Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 230000009545 invasion Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000009472 formulation Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000001816 cooling Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 230000035945 sensitivity Effects 0.000 description 10
- 230000033228 biological regulation Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- -1 hydrogen Chemical class 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000011456 concrete brick Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，建立建筑虚拟储能模型系统和电动汽车虚拟电厂充放电模型，日前调度和日内调度相结合的调度方法，在建筑楼宇日运行阶段引入日内调度，并将建筑虚拟储能系统设定为长时间尺度的调度设备，电动汽车虚拟电厂设定为短时间尺度的调度设备，通过长时间尺度调度建筑虚拟储能、短时间尺度调度电动汽车虚拟电厂相结合的方式，平抑联络线功率偏差，实现日内调度策略。有益效果：本发明能够为建筑综合能源系统调度计划的制定提供技术支撑，有利于提升能源管理和综合利用水平，能更加适应当前建筑综合能源系统运行的特点，平抑联络线功率偏差，更大地发挥建筑综合能源系统的资源利用效能。
Description
技术领域
本发明属于建筑能源技术领域，尤其涉及一种适用于建筑级综合能源系统日前和日内两阶段协调优化调度工作的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法。
背景技术
《中国建筑节能年度发展研究报告2020》数据显示，我国建筑总耗能在我国能源消费总量中的占比已超过22％。随着我国城镇化率的不断提升和产业结构的调整，该比例还会持续提高。所以，以建筑楼宇为代表的能源消费终端具备庞大的节能减排潜力。因而，开发以建筑楼宇为代表的终端能源消费环节的节能减排潜力，对解决我国社会发展进程中日益增长的能源短缺与能源需求旺盛、环境保护与能源利用之间的双重矛盾具有深远意义。
对于建筑楼宇优化调度方法和能量管理的研究已取得了初步进展，主要从日前优化调度角度出发，综合考虑经济、环境等要素，研究建筑楼宇的能量管理方法，以实现建筑楼宇的最优综合效益。鉴于建筑楼宇优化调度易受环境要素影响、依赖于预测数据等问题，目前主要通过模型预测控制的方法，实现建筑楼宇的优化调度。由于建筑楼宇用能行为的随机性及可再生能源出力的波动性，负荷和可再生能源数据均难以精确地预测，增加了建筑楼宇能量供需实时平衡的难度。专利公布号为CN109752953A的专利文献公开了一种集成电制冷机的楼宇供能系统模型预测调控方法，其技术特点在于：包括以下步骤：步骤1、建立由楼宇虚拟储能系统、电制冷机、柴油发电单元、燃料电池、蓄电池组成的楼宇供能系统模型；步骤2、建立调度模型框架后分别给出日前、日内及滚动部分模型，进而构建楼宇供能系统多时间尺度预测调度模型，根据楼宇供能系统及楼宇用户的需求进行多时间尺度优化调度。
目前建筑楼宇日前调度方法尚存在局限性，不能充分反映建筑楼宇优化运行受负荷和可再生能源数据预测误差的影响。并且，日前调度下建筑楼宇供用能设备的单一时间尺度建模，难以考虑实际运行中多时间尺度框架下的时间耦合特性，易造成实际运行与优化结果不一致的状况。同时，日前调度的鲁棒优化收敛困难、计算量庞大且结果保守性强。日前调度的随机优化对随机变量的概率分布依赖性强，海量的场景设计和选取流程导致了计算量的快速增长。例如，专利公布号为CN 110322056 A的专利文献公开了一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法，步骤是：基于预测平均投票数指标确定人体舒适度范围，由公共楼宇中央空调系统的热力学方程推得公共楼宇的室温时变方程，进行中央空调系统的建模分析；根据原始数据以VPP利润最大为目标函数，构造虚拟电厂(VPP)确定性模型，构建约束条件；采用随机规划法处理市场电价不确定性，采用自适应鲁棒方法处理光伏出力不确定性，建立虚拟电厂随机自适应鲁棒模型，并采用标准场景算法进行求解。专利公布号为CN107464008A的专利文献公开了一种大型楼宇冷热电联供系统的优化调度方法，针对楼宇建筑冷负荷、热负荷、电负荷多种负荷利用的特点，综合考虑燃汽轮机、燃汽锅炉、余热吸收式冷温水机以及电制冷机多类供能设备的特点，结合燃气冷热电联供系统的运行特性，建立大型楼宇冷热电联供系统的优化调度模型，并利用改进的粒子群算法求解优化调度模型得到日前优化调度出力曲线，推动大型楼宇冷热电联供系统的优化管理。
因为现有技术考虑的因素多多少少存在缺陷，故没有能力解决绿色建筑的节能问题。因此，多时间尺度框架下的建筑楼宇综合能源系统优化调度研究得到了较多的关注，有助于实施预测数据存在误差状况下的建筑楼宇能量管理。但是，目前主要通过单断面最优潮流方法求解多时间尺度框架下的建筑楼宇日内调度方案，属于开环优化调度范畴。该调度方法统一发布所有调度命令，对未来时段内的建筑楼宇系统状态变动的预先感知难度大，容易偏离建筑楼宇的实际用能需求，造成调度方案具有较差的鲁棒性。
发明内容
本发明的目的在于克服上述技术的不足，而提供一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，能够更大地提升建筑综合能源系统运行经济性，减小负荷和可再生能源数据预测误差对系统的影响，增强系统联络线功率偏差平抑能力。
本发明为实现上述目的，采用以下技术方案：一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：建立建筑虚拟储能模型系统和电动汽车虚拟电厂充放电模型，采用以楼宇运行经济效益最优为目标的日前调度和以楼宇联络线功率偏差最小为目标的日内调度相结合的调度方法，在建筑楼宇日运行阶段引入日内调度方法，并将建筑虚拟储能系统(VESS)设定为长时间尺度的调度设备，电动汽车(EV)虚拟电厂(VPP)设定为短时间尺度的调度设备，通过长时间尺度调度建筑虚拟储能、短时间尺度调度电动汽车虚拟电厂相结合的方式，平抑联络线功率偏差，降低建筑综合能源系统对配网的影响，实现日内调度策略，具体步骤如下：
1)建立建筑综合能源系统整体架构：建筑综合能源系统整体架构包括建筑级“电/热”供能系统和园区级供电系统；
2)构建建筑虚拟储能模型系统：包括建筑电负荷模型、建筑虚拟储能系统模型、电动汽车虚拟电厂模型和蓄电池装置模型；其中：
(1)建立建筑电负荷模型：应用建筑内部通常用单一等温的空调区域进行模拟，单一等温区域采用阻容网络模型进行建模；建筑的热阻-热容网络模型包括储能部分(热容)、能耗部分(热阻)和环境热量传导部分，综合考虑建筑内产生热量与热量流失的关系，基于建筑热阻-热容网络模型的室内热平衡方程为
Q4＝Q3+Q6+Q7-(Q1+Q2+Q5)
＝[Q3 Q6 Q7 Q1 Q2 Q5][1 1 1 -1 -1 -1]T
其中，Q1是墙体结构内表面与空气对流换热；Q2是门窗渗透耗热量；Q3是窗外太阳辐射被各内表面吸收的热量；Q4是室内空气单位时间内的显热量增值；Q5是冷风侵入或者通风耗热量；Q6是室内空气与照明、人体等室内热源热交换功率；Q7是室内空气与采暖设备热交换功率,方程为
Q4＝Croom dTin/dt＝0.278ρwVroomcw dTin/dt
其中，ρw是空气密度；Vroom是房间空气容量；cw是空气比热容；Pdh是单位面积的散热功率，依据JGJ26-2010《民用建筑节能设计标准》，取3.8W/m2；Tin是房间的室内温度；Croom是房间的热容；Rroom是房间的热阻；Cwall是墙体的热容；Rwall是墙体内表面的热阻；Rwindow是窗户热阻；Sroom是房间面积；mHVAC是暖通空调(HVAC)系统空气流量；THVAC是HVAC系统送风温度；TO是室外环境温度；τwin是窗体渗透率；Awin是窗体面积；Irad是窗体光照强度；Nwall是房间不同围护结构内表面总数；Twall,j是房间室内第j面墙体的内表面温度；Rwall,j是房间室内第j面墙体的热阻；L是室外空气渗透量；Vva是室内通风量。
暖通空调系统功率包括两个方面：一是新风空气循环系统功率PHVAC,f(t)，方程为；
ΔpHVAC＝pstatic+ρwv2/2
其中，ΔpHVAC是总压降；pstatic是静压降；v是送风速度；ηHVAC,f和ηHVAC,m分别是风扇和电机的运行效率；
二是暖通空调制冷/制热系统功率PHVAC,h(t)，方程为
PHVAC,h(t)＝Q7/(1+COPHVAC)
其中，COPHVAC是暖通空调系统的热电能效比；
暖通空调系统在调度时段t的功率PHVAC(t)模型，方程为
PHVAC(t)＝PHVAC,f(t)+PHVAC,h(t)
调度时段t的建筑电负荷PBPL(t)模型，方程为
PBPL(t)＝PHVAC(t)+Pother(t)
其中，Pother(t)是调度时段t的建筑其它电负荷；
(2)建立建筑虚拟储能系统模型，采集建筑虚拟储能能量变动状况，
在t0时刻，室内设定温度初值是Tset0，当室内温度Tin＝Tset0时采暖设备制热功率PHVAC,h0等于建筑的热量流失功率，系统处于热平衡状态；在t1时刻，室内设定温度降为Tset1；采暖设备制热功率降低到PHVAC,h1，室内温度Tin下降，在t2时刻达到稳定，储存于建筑虚拟储能中的热能QVESS在(t1,t2)时段内开始释放，即VESS释放能量的过程；在t3时刻，室内设定温度恢复到Tset0，采暖设备制热功率增加到PHVAC,h2，室内温度Tin上升，在t4时刻达到稳定；由于采暖设备制热量增加，大量电能转化成热能贮存在建筑虚拟储能中，在(t3,t4)时段内QVESS开始增加，即VESS存储能量的过程；
建筑物热量流失功率在建筑释放能量和存储能量的过程中维持不变，对于房间空气容量为Vroom的建筑，建筑虚拟储能能够提供的最大能量
方程为
其中，QVESS是建筑虚拟储能量；
和
分别是楼宇室内温度舒适度区间的最大值和最小值。
(3)建立电动汽车虚拟电厂模型：在t时刻，第i辆EV的荷电状态(SOC)根据方程计算得出
其中，SOCEV,i(t)是第i辆EV在t时刻的荷电状态；
和
分别是第i辆EV在t-1时刻的充电和放电状态；
和
分别是第i辆EV在t-1时刻的充电和放电功率；
和
分别是第i辆EV的充电和放电效率；
是EV电池的最大容量；Δt是时间间隔；
(4)建立蓄电池装置模型：蓄电池装置在运行过程中除了需要考虑其充放电功率约束外，还需要考虑荷电状态约束、充放电状态约束、一个调度周期始末的能量平衡约束，方程为
其中，
和
分别是t时刻蓄电池装置的充电和放电状态；
和
分别是t时刻蓄电池装置的充电和放电功率；
和
分别是蓄电池装置的充放电功率最小和最大值；SOCBESS(t)是t时刻蓄电池装置的荷电状态；
和
分别是蓄电池装置的最小和最大荷电状态；SOCBESS(t0)和SOCBESS(tend)分别是蓄电池装置周期内起始时刻t0和终止时刻tend的荷电状态；
3)构建基于建筑特性和虚拟电厂的建筑综合能源系统的调度模型，经过两阶段的日前和日内调度实现建筑综合能源系统的优化运行；选择日运行成本最低的方案作为最优日前调度计划；日内调度阶段，采用长时间尺度和短时间尺度交替的方式；
(1)建筑楼宇日前调度以小时为时间间隔，在满足室内温度舒适度在内的各种约束条件下，以优化日运行成本为目标的日前调度函数，方程为
其中，n1是日前调度一个完整周期内的时段总数，n1＝24；Pex(t)是调度时刻t的楼宇系统与外部电网的电功率交换，购电取正值，售电取负值；Cph(t)和Cse(t)分别是调度时刻t的购电和售电价格；γ是室内温度敏感系数，γ越小，因偏离室内温度舒适度而遭到的惩罚越小，γ越大则遭到的惩罚越大；PPV(t)、PWT(t)、PBESS(t)、PHVAC(t)和PHP(t)分别是调度时刻t的光伏输出功率、风机输出功率、蓄电池充放电功率、HVAC电功率以及地源热泵电功率；CPV、CWT、CBESS、CHVAC和CHP分别代表调度时刻t的光伏、风机、蓄电池、HVAC和地源热泵的单位功率运维成本；
(2)日内调度采用长时间尺度和短时间尺度交替的方式，通过调节VESS和VPP系统功率，以平抑联络线功率实际值与日前目标值之间的偏差为目标，改善预测误差造成的影响。
所述建筑级“电/热”供能系统包括地源热泵、暖通空调、蓄电池装置、屋顶光伏、屋顶风机和电动汽车；所述园区级供电系统包括外部电网和配电线路。
所述电动汽车虚拟电厂加入到楼宇能量管理中，除了需要考虑其充放电功率约束、荷电状态约束外，还需要考虑充放电状态约束、充放电时间约束，方程为：
tin,i≤ti≤tout,i
其中，
和
分别是第i辆EV荷电状态的最小值和最大值；
和
分别是第i辆EV电功率的最小值和最大值；ti是第i辆EV的充电或放电时刻。
假设VPP系统中共有NEV辆EV。在t时刻，NEV,ch辆EV只能充电，NEV,dch辆EV只能放电，则VPP系统的充放电功率及其约束，方程为：
式中，PVPP(t)是t时刻的VPP系统充放电功率，充电功率取负值，放电功率取正值；
是t时刻的VPP系统放电功率最大值；
是t时刻的VPP系统充电功率最大值。
所述电动汽车虚拟电厂模型的电动汽车出行对SOC的需求
是根据用能需求的概率分布，抽样确定，利用蒙特卡罗方法，根据电池每公里能耗和日行驶距离的概率分布，分别抽样确定电池每公里能耗和日行驶距离；采用相同方法，根据出行开始时间和出行结束时间的概率分布，分别抽样确定电动汽车的出行开始时间tout(电动汽车离开电网时刻)和电动汽车的出行结束时间tin(电动汽车接入电网时刻)，根据以下方程计算接入电网时的电动汽车荷电状态
其中，
是EV接入电网时刻的荷电状态；
是EV离开电网时刻的荷电状态；D是EV日行驶距离；Ce是EV的每公里能耗；tin和tout分别是EV接入和离开电网的时间；
在t时刻，EV最后一次充电行为的最短持续时间tch,end和最后一次放电行为的最短持续时间tdch,end，应该满足等式约束以下方程为；
当前处于时刻t，如果tout,i-tch,end,i-2×Δt<t<tout,i-tch,end,i-Δt，则t+Δt时刻，EV切换为充电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
如果tout,i-tdch,end,i-2×Δt<t<tout,i-tdch,end,i-Δt，则t+Δt时刻，EV切换为放电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
其他情况下，EV根据调度指令在充电、待机和放电状态之间进行切换。
所述蓄电池装置荷电状态SOCBESS(t)的方程为
其中，
和
分别是蓄电池装置的充电和放电效率；
是蓄电池装置的最大容量；Δt是时间间隔。
所述日前调度阶段的约束条件如下：
第一、电功率平衡约束，方程为
Pex(t)+PPV(t)+PWT(t)+PBESS(t)＝PBPL(t)
第二、冷/热负荷平衡约束，方程为
QHVAC(t)+QHP(t)＝QBCHL(t)
QHVAC(t)＝PHVAC,h(t)×(1+COPHVAC)
QHP(t)＝PHP(t)×(1+COPHP)
其中，QBCHL(t)是调度时刻t的冷/热负荷；QHVAC(t)是调度时刻t的HVAC的冷/热功率输出；COPHVAC是HVAC的热电能效比；QHP(t)是调度时刻t的地源热泵的冷/热功率输出；COPHP是地源热泵的热电能效比；
第三、建筑楼宇热平衡约束
鉴于建筑楼宇热量流失与温度变动的慢动态过程，为简化建筑楼宇日运行成本的寻优过程，对所述基于建筑热阻-热容网络模型的室内热平衡方程进行差分化，得到建筑楼宇热平衡约束，方程为
0.278cwρwVroom[Tin(t)-Tin(t-1)]
＝Δt{[Q3(t-1)+Q6(t-1)+Q7(t-1)]-[Q1(t-1)+Q2(t-1)+Q5(t-1)]}
第四、各设备的功率上下限约束
各类设备自身的约束，包括建筑楼宇联络线功率约束、HVAC运行约束，方程为
其中，
和
分别是楼宇系统与外部电网之间的联络线功率的下限和上限；
是暖通空调送风量上限；
和
分别是暖通空调送风温度下限和上限；
第五、楼宇室内温度舒适度约束，方程为
所述长时间尺度的日内调度阶段，n2个调度时段的楼宇VESS优化调度目标函数，方程为
其中，
是日前优化调度方案下，调度时刻t′的楼宇联络线功率目标值；Ptie-line(t′)是调度时刻t′的楼宇联络线功率实际值；n2是长时间尺度日内调度一个完整周期内的时段总数，n2＝4。
所述长时间尺度的日内调度阶段的约束条件包括：电功率平衡约束、冷/热负荷平衡约束、楼宇热平衡约束、楼宇联络线功率约束、HVAC运行约束和室内温度约束。
所述在短时间尺度的日内调度阶段，n3个调度时段的VPP优化调度目标函数，方程为
其中，
是日前优化调度方案下，调度时刻t″的楼宇联络线功率目标值；Ptie-line(t″)为调度时刻t″的楼宇联络线实际值；n3是短时间尺度日内调度一个完整周期内的时段总数，n3＝15；
通过优化调度VPP系统，将期望充放电功率值传递给各辆电动汽车，以实现对VPP的控制，所述VPP系统期望充放电功率
的约束条件，方程为
根据VPP系统模型，在长时间尺度日内调度的每个调度时刻t′，计算得到段时间尺度日内调度的VPP系统放电功率最大值初始值
和充电功率最大值初始值
并且，在短时间尺度日内调度的每个调度时刻t″，实施VPP控制后，更新
和
通过短时间尺度日内调度目标函数的寻优过程，得到VPP系统的期望充放电功率
随后VPP系统将期望充放电功率传递到每辆EV，从而实现期望充放电功率的跟踪。在调度时刻t″，VPP系统期望充放电功率与实际充放电功率的偏差ΔPVPP(t″)，方程为
如果
则当前调度时刻t″不需要对EV进行充放电控制；否则，通过如下步骤实现对EV的充放电控制；
步骤1如果ΔPVPP(t″)＜0，每辆EV的期望放电/充电功率通过方程计算得到；
其中，NEV,dch,1和NEV,ch,1分别是VPP系统中，在调度时刻t″没有达到放电功率最小值和充电功率最大值的EV数量；
步骤2如果ΔPVPP(t″)＞0，每辆EV的期望放电/充电功率通过以下方程计算得到；
其中，NEV,dch,2和NEV,ch,2分别是VPP系统中，在调度时刻t″没有达到放电功率最大值和充电功率最小值的EV数量；
步骤3在调度时刻t″，利用步骤1和步骤2计算得到的每辆EV期望充放电功率
更新ΔPVPP(t″)，同时根据VPP系统模型和每辆EV期望充放电功率，更新VPP系统放电功率最大值
和充电功率最大值
如果ΔPVPP(t″)＝0，在调度时刻t″，根据
或
更新各辆EV的充电功率或放电功率；如果ΔPVPP(t″)≠0，则重复执行步骤1～步骤3，直到更新后的ΔPVPP(t″)＝0。
所述建筑综合能源系统将在CPU为Inter(R)Core(TM)i7-8250U，主频为1.8GHz的环境下，基于MATLAB平台与YALMIP工具箱建立建筑综合能源系统的数学模型与约束，采用GUROBI求解器进行求解。
有益效果：与现有技术相比，本发明综合考虑了绿色建筑的特点，以节能和降低对配网的影响为目的，开展的调度优化研究。本发明能够为建筑综合能源系统调度计划的制定提供技术支撑，有利于提升能源管理和综合利用水平，促进建筑综合能源系统的健康发展。能更加适应当前建筑综合能源系统运行的特点，以提高经济效益、平抑联络线功率偏差、促进可再生能源消纳，更大地发挥建筑综合能源系统的资源利用效能，提升系统运行的经济性，改善联络线功率偏差幅度。
附图说明
图1是本发明调度方法的流程图；
图2是建筑热阻-热容网络模型图；
图3是建筑虚拟储能能量变化曲线图；
图4是电动汽车虚拟电厂(VPP)控制流程图；
图5是负荷、分布式电源及环境参数曲线图；
图6是不考虑建筑物虚拟储能特性的室内外温度曲线图；
图7是不考虑建筑物虚拟储能特性的建筑日前调度结果图；
图8是考虑建筑物虚拟储能特性的室内外温度曲线图；
图9是考虑建筑物虚拟储能特性的建筑日前调度结果图；
图10是分时电价下的建筑虚拟储能系统(VESS)充放能状态图；
图11是不同室内温度敏感系数γ下的室内温度变化情况图；
图12是楼宇联络线功率图；
图13是方案2的楼宇联络线功率及室内温度图；
图14是方案1和方案2的楼宇长时间尺度日内调度结果对比图；
图15是方案1的建筑虚拟储能系统(VESS)充放能状态图；
图16是电动汽车虚拟电厂(VPP)短时间尺度日内调度的结果图；
图17是3种方案的楼宇联络线功率对比图；
图18是短时间尺度日内调度的各辆电动汽车荷电状态(SOC)雷达图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
在本发明的各实施例中，为了便于描述而非限制本发明，本发明专利申请说明书以及权利要求书中使用的术语"连接"并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。"上"、"下"、"下方"、"左"、"右"等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
详见附图，本发明提供了一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法：其为两个阶段：一是以楼宇运行经济效益最优为目标的日前调度阶段；二是以楼宇联络线功率偏差最小为目标的日内调度阶段。
因为负荷和可再生能源的日前预测值必然存在误差，导致建筑楼宇联络线功率日前优化目标值和实际运行值之间必定存在偏差。为此，本发明在建筑楼宇日运行阶段引入日内调度方法，从长时间尺度(15分钟)和短时间尺度(1分钟)平抑建筑楼宇联络线功率偏差。考虑到楼宇建筑热惯性，室内外热交换速度缓慢，适合长时间尺度响应建筑楼宇能量管理的需求。电动汽车(EV)充放电具备快速响应特性，适合在短时间尺度响应楼宇能量管理的需求。因此，本发明分别将建筑虚拟储能系统(VESS)设定为长时间尺度的调度设备，电动汽车虚拟电厂(VPP)设定为短时间尺度的调度设备。
如图1所示，本发明的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，包括如下步骤：
1)建立建筑综合能源系统整体架构，包括建筑级“电/热”供能系统和园区级供电系统；所涉及的建筑级“电/热”供能系统包括：地源热泵、暖通空调、蓄电池装置、屋顶光伏、屋顶风机、电动汽车；所涉及的园区级供电系统包括：外部电网和配电线路。
2)构建建筑综合能源系统仿真模型，包含：建筑电负荷模型、建筑虚拟储能系统模型、电动汽车虚拟电厂模型、蓄电池装置模型；其中：
(1)在实际的供冷或供暖场景中，建筑内部通常用单一等温的空调区域进行模拟，单一等温区域采用阻容网络模型进行建模。建筑的热阻-热容网络模型可抽象为储能部分(热容)、能耗部分(热阻)、环境热量传导等部分，如图2所示。
综合考虑建筑内产生热量与热量流失的关系，基于建筑热阻-热容网络模型的室内热平衡方程，如方程(1)所示。
其中，Q1是墙体结构内表面与空气对流换热；Q2是门窗渗透耗热量；Q3是窗外太阳辐射被各内表面吸收的热量；Q4是室内空气单位时间内的显热量增值；Q5是冷风侵入或者通风耗热量；Q6是室内空气与照明、人体等室内热源热交换功率；Q7是室内空气与采暖设备热交换功率。
Q4＝CroomdTin/dt＝0.278ρwVroomcwdTin/dt (2)
其中，ρw是空气密度；Vroom是房间空气容量；cw是空气比热容；Pdh是单位面积的散热功率，依据JGJ26-2010《民用建筑节能设计标准》，取3.8W/m2；Tin是房间的室内温度；Croom是房间的热容；Rroom是房间的热阻；Cwall是墙体的热容；Rwall是墙体内表面的热阻；Rwindow是窗户热阻；Sroom是房间面积；mHVAC是暖通空调(HVAC)系统空气流量；THVAC是HVAC系统送风温度；TO是室外环境温度；τwin是窗体渗透率；Awin是窗体面积；Irad是窗体光照强度；Nwall是房间不同围护结构内表面总数；Twall,j是房间室内第j面墙体的内表面温度；Rwall,j是房间室内第j面墙体的热阻；L是室外空气渗透量；Vva是室内通风量。
HVAC系统功率包括两个方面：一是新风空气循环系统功率PHVAC,f(t)，如方程(4)所示。二是HVAC制冷/制热系统功率PHVAC,h(t)，如方程(6)所示。
ΔpHVAC＝pstatic+ρwv2/2 (5)
其中，ΔpHVAC是总压降；pstatic是静压降；v是送风速度；ηHVAC,f和ηHVAC,m分别是风扇和电机的运行效率。
PHVAC,h(t)＝Q7/(1+COPHVAC) (6)
其中，COPHVAC是HVAC的热电能效比。
因此，HVAC系统在调度时段t的功率PHVAC(t)模型，如方程(7)所示。
PHVAC(t)＝PHVAC,f(t)+PHVAC,h(t) (7)
调度时段t的建筑电负荷PBPL(t)模型，如方程(8)所示。
PBPL(t)＝PHVAC(t)+Pother(t) (8)
其中，Pother(t)是调度时段t的建筑其它电负荷。
(2)建筑物自身作为储能装置，室内室外温度变化存在差异，室内温度变动相对滞后，能够将更多能量从建筑中释放，或者存储到建筑中。虚拟储能技术正是利用了建筑物的这种储能能力，在人体温度舒适度区间TPWV内，通过调节室内采暖或制冷设备功率，控制建筑物与外界环境能量交换的流动方向，达到调节系统电能的目的。
建筑虚拟储能能量变动状况，如图3所示。在t0时刻，室内设定温度初值是Tset0，当室内温度Tin＝Tset0，此时采暖设备制热功率PHVAC,h0等于建筑的热量流失功率，系统处于热平衡状态。在t1时刻，室内设定温度降为Tset1，采暖设备制热功率降低到PHVAC,h1，室内温度Tin下降，在t2时刻达到稳定。由于采暖设备制热量减少，储存于建筑虚拟储能中的热能QVESS在(t1,t2)时段内开始释放，即VESS释放能量的过程。在t3时刻，室内设定温度恢复到Tset0，采暖设备制热功率增加到PHVAC,h2，室内温度Tin上升，在t4时刻达到稳定。由于采暖设备制热量增加，大量电能转化成热能贮存在建筑虚拟储能中，在(t3,t4)时段内QVESS开始增加，即VESS存储能量的过程。
建筑物热量流失功率在建筑释放能量和存储能量的过程中维持不变，对于房间空气容量为Vroom的建筑，建筑虚拟储能能够提供的最大能量
如方程(9)所示。
其中，QVESS是建筑虚拟储能量；
和
分别是楼宇室内温度舒适度区间的最大值和最小值。
由方程(9)可知，对于数千平方米的建筑，其虚拟储能系统拥有数兆瓦时的储能能力，说明建筑楼宇具备庞大的储能能力。
(3)建立电动汽车虚拟电厂模型：电动汽车充放电具备快速响应特性，能够作为虚拟电厂加入到楼宇的能量管理和运行优化中。电动汽车虚拟电厂模型的逻辑结构是按照电动汽车虚拟电厂遥测和遥信数据，计算生成电动汽车虚拟电厂遥调和遥控数据)<-->通讯和控制设备(收集电动汽车虚拟电厂遥测和遥信数据，发送电动汽车虚拟电厂模型计算生成的遥调和遥控数据)<-->电动汽车虚拟电厂(按照电动汽车虚拟电厂模型计算生成的遥调和遥控数据运行)
在t时刻，第i辆EV的荷电状态(SOC)可根据方程(10)计算得到。
其中，SOCEV,i(t)是第i辆EV在t时刻的荷电状态；
和
分别是第i辆EV在t-1时刻的充电和放电状态；
和
分别是第i辆EV在t-1时刻的充电和放电功率；
和
分别是第i辆EV的充电和放电效率；
是EV电池的最大容量；Δt是时间间隔。
为保证EV出行有足够的电池容量，根据用能需求的概率分布，抽样确定电动汽车出行对SOC的需求
利用蒙特卡罗方法，根据电池每公里能耗和日行驶距离的概率分布，分别抽样确定电池每公里能耗和日行驶距离。采用相同方法，根据出行开始时间和出行结束时间的概率分布，分别抽样确定电动汽车的出行开始时间tout(电动汽车离开电网时刻)和电动汽车的出行结束时间tin(电动汽车接入电网时刻)，根据方程(11)计算接入电网时的电动汽车荷电状态
其中，
是EV接入电网时刻的荷电状态；
是EV离开电网时刻的荷电状态；D是EV日行驶距离；Ce是EV的每公里能耗；tin和tout分别是EV接入和离开电网的时间。
在t时刻，EV最后一次充电行为的最短持续时间tch,end和最后一次放电行为的最短持续时间tdch,end，应该满足等式约束方程(12)～(13)。
当前处于时刻t，如果tout,i-tch,end,i-2×Δt<t<tout,i-tch,end,i-Δt，则t+Δt时刻，EV切换为充电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
如果tout,i-tdch,end,i-2×Δt<t<tout,i-tdch,end,i-Δt，则t+Δt时刻，EV切换为放电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
其他情况下，EV根据调度指令在充电、待机和放电状态之间进行切换。
电动汽车虚拟电厂加入到楼宇能量管理中，除了需要考虑其充放电功率约束、荷电状态约束外，还需要考虑充放电状态约束、充放电时间约束等，如方程(14)～(18)所示。
tin,i≤ti≤tout,i (18)
其中，
和
分别是第i辆EV荷电状态的最小值和最大值；
和
分别是第i辆EV电功率的最小值和最大值；ti是第i辆EV的充电或放电时刻。
假设VPP系统中共有NEV辆EV。在t时刻，NEV,ch辆EV只能充电，NEV,dch辆EV只能放电，则VPP系统的充放电功率及其约束，如方程(19)～(22)所示。
式中，PVPP(t)是t时刻的VPP系统充放电功率，充电功率取负值，放电功率取正值；
是t时刻的VPP系统放电功率最大值；
是t时刻的VPP系统充电功率最大值。
(4)蓄电池装置在运行过程中除了需要考虑其充放电功率约束外，还需要考虑荷电状态约束、充放电状态约束、一个调度周期始末的能量平衡约束等，如方程(23)所示。
其中，
和
分别是t时刻蓄电池装置的充电和放电状态；
和
分别是t时刻蓄电池装置的充电和放电功率；
和
分别是蓄电池装置的充放电功率最小和最大值；SOCBESS(t)是t时刻蓄电池装置的荷电状态；
和
分别是蓄电池装置的最小和最大荷电状态；SOCBESS(t0)和SOCBESS(tend)分别是蓄电池装置周期内起始时刻t0和终止时刻tend的荷电状态。
蓄电池装置荷电状态SOCBESS(t)如方程(24)所示。
其中，
和
分别是蓄电池装置的充电和放电效率；
是蓄电池装置的最大容量；Δt是时间间隔。
3)构建基于建筑特性和虚拟电厂的建筑综合能源系统的调度模型，经过两阶段的日前和日内调度实现建筑综合能源系统的优化运行。日前调度阶段，计及建筑虚拟储能能力，在满足室内温度舒适度在内的各种约束条件下，通过优化设备出力，选择日运行成本最低的方案作为最优日前调度计划。日内调度阶段，经过剖析风机/光伏输出功率波动性和负荷不确定性的规律，采用长时间尺度和短时间尺度交替的方式，通过调节建筑虚拟储能系统和电动汽车虚拟电厂的出力，消除预测数据误差，在满足功率平衡约束下，尽可能的平抑联络线功率偏差。
(1)建筑楼宇日前调度以小时为时间间隔，在满足室内温度舒适度在内的各种约束条件下，以优化日运行成本为目标的日前调度函数，如方程(25)所示。由三部分构成：一是楼宇系统从外部电网购电的成本；二是由于未满足室内温度舒适度约束而受到的惩罚；三是楼宇系统中各设备的运维成本。
其中，n1是日前调度一个完整周期内的时段总数，n1＝24；Pex(t)是调度时刻t的楼宇系统与外部电网的电功率交换，购电取正值，售电取负值；Cph(t)和Cse(t)分别是调度时刻t的购电和售电价格；γ是室内温度敏感系数，γ越小，因偏离室内温度舒适度而遭到的惩罚越小，γ越大则遭到的惩罚越大；PPV(t)、PWT(t)、PBESS(t)、PHVAC(t)和PHP(t)分别是调度时刻t的光伏输出功率、风机输出功率、蓄电池充放电功率、HVAC电功率以及地源热泵电功率；CPV、CWT、CBESS、CHVAC和CHP分别代表调度时刻t的光伏、风机、蓄电池、HVAC和地源热泵的单位功率运维成本。
日前调度阶段的约束条件详述如下：
第一、电功率平衡约束
Pex(t)+PPV(t)+PWT(t)+PBESS(t)＝PBPL(t) (26)
第二、冷/热负荷平衡约束
QHVAC(t)+QHP(t)＝QBCHL(t) (27)
QHVAC(t)＝PHVAC,h(t)×(1+COPHVAC) (28)
QHP(t)＝PHP(t)×(1+COPHP) (29)
其中，QBCHL(t)是调度时刻t的冷/热负荷；QHVAC(t)是调度时刻t的HVAC的冷/热功率输出；COPHVAC是HVAC的热电能效比；QHP(t)是调度时刻t的地源热泵的冷/热功率输出；COPHP是地源热泵的热电能效比。
第三、建筑楼宇热平衡约束
鉴于建筑楼宇热量流失与温度变动的慢动态过程，为简化建筑楼宇日运行成本的寻优过程，对方程(1)进行差分化，得到建筑楼宇热平衡约束，如方程(30)所示。
第四、各设备的功率上下限约束
各类设备自身的约束，包括建筑楼宇联络线功率约束、HVAC运行约束等。
其中，
和
分别是楼宇系统与外部电网之间的联络线功率的下限和上限；
是暖通空调送风量上限；
和
分别是暖通空调送风温度下限和上限。
第五、楼宇室内温度舒适度约束
建筑楼宇VESS的储能能力直接受到室内温度下限和上限选择的影响。根据楼宇VESS数学模型可知，室内温度舒适度区间越宽，其储能能力越强，但是对室内温度舒适度的影响也越大。
参照GB/T18049-2017《热环境的人类工效学通过计算PMV和PPD指数与局部热舒适准则对热舒适进行分析测定与解释》，采用预计平均热感觉指数(PMV)和预计不满意者的百分数(PPD)评价室内热舒适性等级。在其他因素处于舒适水平时，不同温度下的PMV取值与室内温度Tin的关系，如方程(33)所示。
由方程(26)可知，IPMV＝0时的温度舒适度最高，此时Tin＝26℃。根据ISO 7730推荐的IPMV取值区间，计算得到室内温度舒适度区间TPWV为[24.8℃,27.3℃]，如方程(34)所示。
-0.5≤IPWM≤0.5 (34)
(2)日内调度采用长时间尺度和短时间尺度交替的方式，通过调节VESS和VPP系统功率，以平抑联络线功率实际值与日前目标值之间的偏差为目标，改善预测误差造成的影响。
长时间尺度的日内调度阶段，n2个调度时段的楼宇VESS优化调度目标函数，如方程(35)所示。
其中，
是日前优化调度方案下，调度时刻t′的楼宇联络线功率目标值；Ptie-line(t′)是调度时刻t′的楼宇联络线功率实际值；n2是长时间尺度日内调度一个完整周期内的时段总数，n2＝4。
长时间尺度的日内调度阶段的约束条件包括：电功率平衡约束、冷/热负荷平衡约束、楼宇热平衡约束、楼宇联络线功率约束、HVAC运行约束和室内温度约束等。
为进一步消除预测误差对楼宇联络线功率偏差的影响，在短时间尺度的日内调度阶段，n3个调度时段的VPP优化调度目标函数，如方程(36)所示。通过优化调度VPP系统，将期望充放电功率值传递给各辆电动汽车，以实现对VPP的控制。
其中，
是日前优化调度方案下，调度时刻t″的楼宇联络线功率目标值；Ptie-line(t″)为调度时刻t″的楼宇联络线实际值；n3是短时间尺度日内调度一个完整周期内的时段总数，n3＝15。
VPP系统期望充放电功率
的约束条件，如方程(37)所示。
根据VPP系统模型，在长时间尺度日内调度的每个调度时刻t′，计算得到段时间尺度日内调度的VPP系统放电功率最大值初始值
和充电功率最大值初始值
并且，在短时间尺度日内调度的每个调度时刻t″，实施VPP控制后，更新
和
通过短时间尺度日内调度目标函数的寻优过程，得到VPP系统的期望充放电功率
随后，VPP系统将期望充放电功率传递到每辆EV，从而实现期望充放电功率的跟踪。在调度时刻t″，VPP系统期望充放电功率与实际充放电功率的偏差ΔPVPP(t″)，如方程(38)所示。
如果
则当前调度时刻t″不需要对EV进行充放电控制；否则，通过如下步骤实现对EV的充放电控制。
步骤1：如果ΔPVPP(t″)＜0，每辆EV的期望放电/充电功率通过式(39)～(40)计算得到；
其中，NEV,dch,1和NEV,ch,1分别是VPP系统中，在调度时刻t″没有达到放电功率最小值和充电功率最大值的EV数量。由方程(39)～(40)可知，SOC水平较低的EV会贡献较多的充电功率或较少的放电功率。
步骤2：如果ΔPVPP(t″)＞0，每辆EV的期望放电/充电功率通过方程(41)～(42)计算得到；
其中，NEV,dch,2和NEV,ch,2分别是VPP系统中，在调度时刻t″没有达到放电功率最大值和充电功率最小值的EV数量。由方程(41)～(42)可知，SOC水平较高的EV会贡献较少的充电功率或较多的放电功率。
步骤3：在调度时刻t″，利用步骤1和步骤2计算得到的每辆EV期望充放电功率
更新ΔPVPP(t″)。同时，根据VPP系统模型和每辆EV期望充放电功率，更新VPP系统放电功率最大值
和充电功率最大值
如果ΔPVPP(t″)＝0，在调度时刻t″，根据
或
更新各辆EV的充电功率或放电功率。如果ΔPVPP(t″)≠0，则重复执行步骤1～步骤3，直到更新后的ΔPVPP(t″)＝0。电动汽车虚拟电厂控制流程，如图4所示。
4)本发明的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法将在CPU为Inter(R)Core(TM)i7-8250U，主频为1.8GHz的环境下，基于MATLAB平台与YALMIP工具箱建立建筑综合能源系统的数学模型与约束，采用GUROBI求解器进行求解。
最佳实施例
最佳实施例以中国能源建设集团天津电力设计院有限公司楼宇为例，建立建筑综合能源系统架构和仿真模型，并通过日运行成本优化模型和平抑联络线功率偏差模型的搭建和求解，得到该建筑综合能源系统架构下的基于建筑特性和虚拟电厂的日前和日内两阶段协调优化调度方法。
1)建筑综合能源系统架构及参数
建筑楼宇办公时间段从8:00到20:00。楼宇建筑长宽高为35m*23m*3m，共四层。建筑外墙材料是单排孔混凝土砌砖，厚度240mm。建筑内外墙粉刷绝热砂浆，厚度20mm。建筑窗户采用pvc-u塑料中空玻璃窗，窗户总面积420m2。建筑热参数包括：Rwall为0.06K/W；Rwindow为0.02K/W；Cwall为7.9×105J/K；Croom为2.5×105J/K；Awin为180m2；τwin为0.9；ρw为1.2kg/m3；cw为1×103J/(kg·℃)。
考虑建筑虚拟储能系统(VESS)加入到楼宇能量调度中的室内温度设定区间为24.8℃～27.3℃，不考虑VESS加入楼宇能量调度中的室内温度设定点为26℃。
最佳实施例夏季典型日的室外温度、风电输出功率、光伏发电输出功率、电负荷及室内热源实测值，如图5所示。室外温度、风电输出功率、光伏发电输出功率、电负荷及室内热源的日内预测值均由实测值叠加随机预测误差进行模拟得到。电动汽车虚拟电厂含10辆电动汽车，各辆EV的充放电功率最大值均为3.3kW，其他相关参数见表1。
表1 电动汽车参数
电力公司分时电价见表2，通过分时电价引导建筑楼宇用电行为的改变，实现对系统状态变化的需求响应。售电价格是同时段购电价格的80％。
表2电力公司分时电价
单位：元/小时
楼宇系统与外部电网之间的联络线功率上限和下限均为400kW。楼宇中供用能设备相关参数见表3。
表3楼宇中供用能设备参数
2)日前调度结果分析
(1)不考虑建筑物虚拟储能特性的日前调度结果
不考虑建筑物虚拟储能特性时，楼宇办公时间段的室内设定温度恒为26℃，非办公时间段不考虑室内温度变化。室内外温度变化曲线如图6所示。
不考虑建筑物虚拟储能特性时，建筑日前调度结果如图7所示。暖通空调仅在办公时间段内启动。在办公时间段，暖通空调功率主要受室外温度和太阳光照强度的影响，使室内温度保持在楼宇室内设定温度26℃。白天，电储能在峰荷和电价峰值时段放电。夜晚，电储能在谷荷和电价谷值时段充电。建筑日前调度不考虑建筑物虚拟储能特性时，楼宇日总运行成本是1274.484元。
(2)考虑建筑物虚拟储能特性的日前调度结果
考虑建筑物虚拟储能特性时，由楼宇室内温度舒适度约束可知，办公时间段的楼宇室内温度可在24.8℃～27.3℃区间内调整。室内温度敏感系数γ取0.2，室内外温度变化曲线如图8所示。与图6相比，室内温度出现了明显的波动，但能够满足室内温度舒适度约束。
考虑建筑物虚拟储能特性的建筑日前调度结果，如图9所示。与图7相比，考虑建筑物虚拟储能特性与否，联络线功率和电储能充放电状况均无明显变化，但是办公期间的HVAC制冷功率发生了显著波动。而且，为满足办公时间段的制冷需求，暖通空调在7:30提前启动，其电功率消耗迅速增加。建筑日前调度考虑建筑物虚拟储能特性时，楼宇日总运行成本是1093.523元，降幅达到不考虑建筑物虚拟储能特性时楼宇总运行成本的15.2％。从优化结果看出，考虑分时电价和建筑物虚拟储能特性时，楼宇通过改变自身用能行为，在满足楼宇室内温度舒适度约束的情况下，可以大幅地改善自身日运行成本。
(3)建筑物虚拟储能特性分析
以图7中不考虑建筑物虚拟储能特性的HVAC功率为基准功率，将图9中考虑建筑物虚拟储能特性的HVAC功率与基准功率做差，即可得到办公时间段的建筑物虚拟储能充放能柱状图，如图10所示。其中，当功率为正时，VESS处于存储能量状态；当功率为负时，VESS处于释放能量状态。
由图10可知，VESS的充放能状态及功率随分时电价而发生变化。VESS利用建筑物储能特性以及分时电价差异，在电价平值和谷值时段存储能量，在电价峰值时段释放能量，节约系统用能成本。7:30-8:00时间段内，相比于不考虑建筑物虚拟储能特性的场景，在电价平值和谷值时段，考虑建筑物虚拟储能特性场景的HVAC提前启动，此时段内的VESS处于存储能量状态。
由楼宇热平衡约束可知，楼宇储能量受环境因素影响较大，能量散失和温度随时间变化明显。与蓄电池储能系统相比，楼宇存储能量的流失速度更快。建筑VESS需要尽快释放存储的能量，以降低热量流失，实现较高的能源利用效率。因此，建筑VESS无法像蓄电池储能系统一样连续充放电，与蓄电池储能系统相比，其具有较高的能量充放频率。
为了最大幅度地改善楼宇日运行成本，在电价峰值时段，VESS在绝大部分调度时刻均处于释放能量状态。但由于楼宇室内温度舒适度约束，在连续处于释放能量状态后，VESS会进入存储能量状态，如图10中黑色虚线框所示。
(4)建筑虚拟储能能力与室内温度敏感系数的关联分析
室内温度与室内温度敏感系数γ的关系曲线，如图11所示。室内温度敏感系数取0.2时，VESS储能能力较强且调控效果明显，但室内温度大部分时间均偏离舒适度最高的温度26℃，且温度偏离程度较大；室内温度敏感系数取0.4时，室内温度变化趋缓，且室内温度大部分时间偏离程度较小；室内温度敏感系数取0.6时，室内温度仅在部分电价峰值时段存在些许偏离。通过上述分析可知，γ值越大，VESS储能能力越小，其调控效果越不显著。
表4楼宇日运行成本与室内温度敏感系数γ的关系
| γ | 0.2 | 0.4 | 0.6 | ∞ |
| 楼宇运行成本/元 | 1093.523 | 1109.684 | 1114.57 | 1274.484 |
楼宇日运行成本与室内温度敏感系数γ的关系，如表4所示。由表4可知，楼宇日运行成本与室内温度敏感系数γ密切相关。γ值越小，室内温度舒适度越低，VESS调控效果越显著，日运行成本越低。γ值越大，VESS调控效果越不显著，日运行成本越高。当γ趋于无穷大时，即使室内温度偏离程度很低，也会产生很大的惩罚项，导致较弱的VESS调控效果。
3)日内调度结果分析
(1)长时间尺度的日内调度结果
通过对比方案1和方案2，验证长时间尺度日内调度采用VESS技术对于平抑楼宇联络线功率偏差的有效性。
方案1：根据预测数据误差，通过调度楼宇VESS，对日前调度方案进行修正，以平抑楼宇联络线功率偏差。
方案2：由外部电网承担预测数据误差造成的联络线功率偏差，不调度楼宇VESS。
两种方案的联络线功率对比结果，如图12所示。方案1通过调度VESS，在一定程度上，改善了楼宇联络线功率的偏差。由于楼宇15min预测数据仍存在误差，所以方案1无法完全平抑联络线功率偏差。方案2不调度VESS，楼宇预测数据误差全部由外部电网承担，所以方案2的联络线功率偏差较大，其原因详述如下。
方案2的楼宇联络线功率及室内温度，如图13所示。由于方案2不调度VESS，所以楼宇室内温度设定曲线与图8中的日前调度目标值保持一致。由于预测数据存在误差，所以当室内温度的日前调度目标值发生较大改变时，日内阶段需要对暖通空调制冷功率进行较大修正，才能保证此刻室内温度值与日前调度目标值保持一致。而暖通空调制冷功率的修正量直接由楼宇联络线承担，造成了较大的联络线功率偏差。下面举例说明上述情况。
由图8可知，11:30和12:00时的楼宇室内温度日前调度目标值分别是27.3℃和24.8℃。对应的暖通空调制冷功率分别为39.75kW和110.71kW，如图9所示。考虑预测数据的误差，为保证对应时刻的室内温度值与日前调度目标值保持一致，方案2中的暖通空调制冷功率增加了25kW，如图14所示。暖通空调制冷功率的增加量反映在联络线功率上，导致了较大的联络线功率偏差，如图13所示。此外，方案1通过采用提前制冷技术，提前增加HVAC制冷功率，较好地平抑了11:30到12:00的联络线功率偏差，如图12所示。
方案1和方案2的楼宇长时间尺度日内调度结果对比情况，如图14所示。方案1的HVAC功率及楼宇室内温度目标值发生了调整，从而有效地平抑了联络线功率偏差。
方案1的VESS长时间尺度调度结果，如图15所示。以方案2的HVAC功率为基准功率，将方案1的HVAC功率与基准功率做差，即可得到方案1的办公时间段的VESS充放能柱状图。其中，当功率为正时，VESS处于存储能量状态；当功率为负时，VESS处于释放能量状态。与图10相比，方案1的VESS长时间尺度日内调度结果也发生了调整。
(2)短时间尺度的日内调度结果
通过对比方案1、方案2和方案3，验证短时间尺度日内调度采用VPP技术对于平抑楼宇联络线功率偏差的有效性。
方案3：在方案1的基础上，通过楼宇的VPP系统进行短时间尺度的日内调度，进一步平滑由于预测数据误差造成的楼宇联络线功率偏差。
在短时间尺度的日内调度阶段，以长时间尺度日内优化调度后的方案1楼宇联络线功率偏差为基础，通过短时间尺度日内调度目标函数的寻优过程，计算VPP系统的期望充放电功率，如图16中黑色实线所示。时刻t的VPP系统期望充放电功率应满足VPP系统放电功率最大值和充电功率最大值的约束，如图16中黑色空心实线和黑色空心虚线柱形图所示。随后，根据VPP系统的期望充放电功率调整各辆电动汽车的充放电功率。VPP系统短时间尺度日内调度的结果，如图16中的黑色虚线所示。由图16可知，通过VPP系统控制流程，可以实现对期望充放电功率的有效跟踪。而且能够保证EV充电结束前有足够的电池容量，满足出行需求。
三种方案下的楼宇联络线功率值，如图17所示。通过VPP系统进行短时间尺度的日内调度，较好地平抑了整个调度时段的联络线功率偏差，如图17中黑色实线所示。
三种方案下的联络线功率与日前调度联络线功率目标值的均方误差如表5所示。由表5可知，方案3的联络线均方误差最小，即其平抑联络线功率偏差的能力最强。表5的结果验证了本发明的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，通过利用VESS和VPP分别实施长时间尺度和短时间尺度的日内调度，可以显著地平抑联络线功率偏差，满足楼宇的能量管理需求。
表5三种方案下的联络线功率均方误差值
| 名称 | 方案1 | 方案2 | 方案3 |
| 均方误差值 | 5.36 | 10.92 | 2.72 |
方案3中短时间尺度日内调度的各辆电动汽车荷电状态(SOC)，如图18所示。由图18可知，电动汽车虚拟电厂控制流程能够保证EV在离开电网时的SOC达到电动汽车出行对SOC的需求
设计原理：基于建筑特性和虚拟电厂的建筑综合能源系统调度方法是在碳中和碳达峰的背景下开展的研究，提出了日前调度和日内调度相结合的调度方法。能够利用建筑虚拟储能系统(VESS)的特性，通过灵活调节系统中的电动汽车虚拟电厂(VPP)，减小负荷和可再生能源数据预测误差对系统的影响。并且，充分考虑室内温度舒适度约束，利用室内热需求的可调节性发挥建筑综合能源系统的资源利用效能，提升系统运行的经济性，改善预测误差导致的联络线功率偏差幅度。一方面，日前调度以降低建筑综合能源系统的日能耗为目的，助力碳达峰的实现，将其转化为经济要素，以日运行成本最优的表现形式，作为目标函数，优化日前调度策略；另一方面，日内调度以降低建筑综合能源系统对配网的影响为目的，以建筑综合能源系统与配网之间的联络线的功率偏差最小为表现形式，作为目标函数，优化日内调度策略。其中，对温度舒适度有影响的建筑虚拟储能和暖通空调参与日前优化策略的制定；鉴于各类负荷、温度、供能数据预测存在误差，针对“按照日前调度策略运行，导致联络线功率偏差过大”的问题，引入日内调度策略，通过长时间尺度调度建筑虚拟储能、短时间尺度调度电动汽车虚拟电厂相结合的方式，平抑联络线功率偏差，降低建筑综合能源系统对配网的影响，实现日内调度策略。
本发明能够利用建筑虚拟储能系统(VESS)的特性，通过灵活调节系统中的电动汽车虚拟电厂(VPP)，减小负荷和可再生能源数据预测误差对系统的影响。并且，充分考虑室内温度舒适度约束，利用室内热需求的可调节性发挥建筑综合能源系统的资源利用效能，提升系统运行的经济性，改善预测误差导致的联络线功率偏差幅度。
上述参照实施例对该一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法进行的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。
Claims (10)
1.一种基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：建立建筑虚拟储能模型系统和电动汽车虚拟电厂充放电模型，采用以楼宇运行经济效益最优为目标的日前调度和以楼宇联络线功率偏差最小为目标的日内调度相结合的调度方法，在建筑楼宇日运行阶段引入日内调度方法，并将建筑虚拟储能系统设定为长时间尺度的调度设备，电动汽车虚拟电厂设定为短时间尺度的调度设备，通过长时间尺度调度建筑虚拟储能、短时间尺度调度电动汽车虚拟电厂相结合的方式，平抑联络线功率偏差，降低建筑综合能源系统对配网的影响，实现日内调度策略，具体步骤如下：
1)建立建筑综合能源系统整体架构：建筑综合能源系统整体架构包括建筑级“电/热”供能系统和园区级供电系统；
2)构建建筑虚拟储能模型系统：包括建筑电负荷模型、建筑虚拟储能系统模型、电动汽车虚拟电厂模型和蓄电池装置模型；其中：
(1)建立建筑电负荷模型：应用建筑内部通常用单一等温的空调区域进行模拟，单一等温区域采用阻容网络模型进行建模；建筑的热阻-热容网络模型包括储能部分(热容)、能耗部分(热阻)和环境热量传导部分，综合考虑建筑内产生热量与热量流失的关系，基于建筑热阻-热容网络模型的室内热平衡方程为
Q4＝Q3+Q6+Q7-(Q1+Q2+Q5)
＝[Q3 Q6 Q7 Q1 Q2 Q5][1 1 1 -1 -1 -1]T
其中，Q1是墙体结构内表面与空气对流换热；Q2是门窗渗透耗热量；Q3是窗外太阳辐射被各内表面吸收的热量；Q4是室内空气单位时间内的显热量增值；Q5是冷风侵入或者通风耗热量；Q6是室内空气与照明、人体等室内热源热交换功率；Q7是室内空气与采暖设备热交换功率,方程为
Q4＝CroomdTin/dt＝0.278ρwVroomcwdTin/dt
其中，ρw是空气密度；Vroom是房间空气容量；cw是空气比热容；Pdh是单位面积的散热功率；Tin是房间的室内温度；Croom是房间的热容；Rroom是房间的热阻；Cwall是墙体的热容；Rwall是墙体内表面的热阻；Rwindow是窗户热阻；Sroom是房间面积；mHVAC是暖通空调系统空气流量；THVAC是HVAC系统送风温度；TO是室外环境温度；τwin是窗体渗透率；Awin是窗体面积；Irad是窗体光照强度；Nwall是房间不同围护结构内表面总数；Twall,j是房间室内第j面墙体的内表面温度；Rwall,j是房间室内第j面墙体的热阻；L是室外空气渗透量；Vva是室内通风量；
暖通空调系统功率包括两个方面：一是新风空气循环系统功率PHVAC,f(t)，方程为；
ΔpHVAC＝pstatic+ρwv2/2
其中，ΔpHVAC是总压降；pstatic是静压降；v是送风速度；ηHVAC,f和ηHVAC,m分别是风扇和电机的运行效率；
二是暖通空调制冷/制热系统功率PHVAC,h(t)，方程为
PHVAC,h(t)＝Q7/(1+COPHVAC)
其中，COPHVAC是暖通空调系统的热电能效比；
暖通空调系统在调度时段t的功率PHVAC(t)模型，方程为
PHVAC(t)＝PHVAC,f(t)+PHVAC,h(t)
调度时段t的建筑电负荷PBPL(t)模型，方程为
PBPL(t)＝PHVAC(t)+Pother(t)
其中，Pother(t)是调度时段t的建筑其它电负荷；
(2)建立建筑虚拟储能系统模型，采集建筑虚拟储能能量变动状况，
在t0时刻，室内设定温度初值是Tset0，当室内温度Tin＝Tset0时采暖设备制热功率PHVAC,h0等于建筑的热量流失功率，系统处于热平衡状态；在t1时刻，室内设定温度降为Tset1；采暖设备制热功率降低到PHVAC,h1，室内温度Tin下降，在t2时刻达到稳定，储存于建筑虚拟储能中的热能QVESS在(t1,t2)时段内开始释放，即VESS释放能量的过程；在t3时刻，室内设定温度恢复到Tset0，采暖设备制热功率增加到PHVAC,h2，室内温度Tin上升，在t4时刻达到稳定；由于采暖设备制热量增加，大量电能转化成热能贮存在建筑虚拟储能中，在(t3,t4)时段内QVESS开始增加，即VESS存储能量的过程；
建筑物热量流失功率在建筑释放能量和存储能量的过程中维持不变，对于房间空气容量为Vroom的建筑，建筑虚拟储能能够提供的最大能量
方程为
其中，QVESS是建筑虚拟储能量；
和
分别是楼宇室内温度舒适度区间的最大值和最小值；
(3)建立电动汽车虚拟电厂模型：在t时刻，第i辆EV的荷电状态(SOC)根据方程计算得出
其中，SOCEV,i(t)是第i辆EV在t时刻的荷电状态；
和
分别是第i辆EV在t-1时刻的充电和放电状态；
和
分别是第i辆EV在t-1时刻的充电和放电功率；
和
分别是第i辆EV的充电和放电效率；
是EV电池的最大容量；Δt是时间间隔；
(4)建立蓄电池装置模型：蓄电池装置在运行过程中除了需要考虑其充放电功率约束外，还需要考虑荷电状态约束、充放电状态约束、一个调度周期始末的能量平衡约束，方程为
其中，
和
分别是t时刻蓄电池装置的充电和放电状态；
和
分别是t时刻蓄电池装置的充电和放电功率；
和
分别是蓄电池装置的充放电功率最小和最大值；SOCBESS(t)是t时刻蓄电池装置的荷电状态；
和
分别是蓄电池装置的最小和最大荷电状态；SOCBESS(t0)和SOCBESS(tend)分别是蓄电池装置周期内起始时刻t0和终止时刻tend的荷电状态；
3)构建基于建筑特性和虚拟电厂的建筑综合能源系统的调度模型，经过两阶段的日前和日内调度实现建筑综合能源系统的优化运行；选择日运行成本最低的方案作为最优日前调度计划；日内调度阶段，采用长时间尺度和短时间尺度交替的方式；
(1)建筑楼宇日前调度以小时为时间间隔，在满足室内温度舒适度在内的各种约束条件下，以优化日运行成本为目标的日前调度函数，方程为
其中，n1是日前调度一个完整周期内的时段总数，n1＝24；Pex(t)是调度时刻t的楼宇系统与外部电网的电功率交换，购电取正值，售电取负值；Cph(t)和Cse(t)分别是调度时刻t的购电和售电价格；γ是室内温度敏感系数，γ越小，因偏离室内温度舒适度而遭到的惩罚越小，γ越大则遭到的惩罚越大；PPV(t)、PWT(t)、PBESS(t)、PHVAC(t)和PHP(t)分别是调度时刻t的光伏输出功率、风机输出功率、蓄电池充放电功率、暖通空调系统电功率以及地源热泵电功率；CPV、CWT、CBESS、CHVAC和CHP分别代表调度时刻t的光伏、风机、蓄电池、暖通空调系统和地源热泵的单位功率运维成本；
(2)日内调度采用长时间尺度和短时间尺度交替的方式，通过调节VESS和VPP系统功率，以平抑联络线功率实际值与日前目标值之间的偏差为目标，改善预测误差造成的影响。
2.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述建筑级“电/热”供能系统包括地源热泵、暖通空调、蓄电池装置、屋顶光伏、屋顶风机和电动汽车；所述园区级供电系统包括外部电网和配电线路。
3.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述电动汽车虚拟电厂加入到楼宇能量管理中，除了需要考虑其充放电功率约束、荷电状态约束外，还需要考虑充放电状态约束、充放电时间约束，方程为：
tin,i≤ti≤tout,i
其中，
和
分别是第i辆EV荷电状态的最小值和最大值；
和
分别是第i辆EV电功率的最小值和最大值；ti是第i辆EV的充电或放电时刻；
假设电动汽车虚拟电厂中共有NEV辆电动汽车，在t时刻，NEV,ch辆电动汽车只能充电，NEV,dch辆电动汽车只能放电，则电动汽车虚拟电厂的充放电功率及其约束，方程为：
式中，PVPP(t)是t时刻的电动汽车虚拟电厂充放电功率，充电功率取负值，放电功率取正值；
是t时刻的电动汽车虚拟电厂放电功率最大值；
是t时刻的电动汽车虚拟电厂充电功率最大值。
4.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述电动汽车虚拟电厂模型的电动汽车出行对SOC的需求
是根据用能需求的概率分布，抽样确定，利用蒙特卡罗方法，根据电池每公里能耗和日行驶距离的概率分布，分别抽样确定电池每公里能耗和日行驶距离；采用相同方法，根据出行开始时间和出行结束时间的概率分布，分别抽样确定电动汽车的出行开始时间tout(电动汽车离开电网时刻)和电动汽车的出行结束时间tin(电动汽车接入电网时刻)，根据以下方程计算接入电网时的电动汽车荷电状态
其中，
是电动汽车接入电网时刻的荷电状态；
是电动汽车离开电网时刻的荷电状态；D是电动汽车日行驶距离；Ce是电动汽车的每公里能耗；tin和tout分别是电动汽车接入和离开电网的时间；
在t时刻，电动汽车最后一次充电行为的最短持续时间tch,end和最后一次放电行为的最短持续时间tdch,end，应该满足等式约束以下方程为；
当前处于时刻t，如果tout,i-tch,end,i-2×Δt<t<tout,i-tch,end,i-Δt，则t+Δt时刻，EV切换为充电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
如果tout,i-tdch,end,i-2×Δt<t<tout,i-tdch,end,i-Δt，则t+Δt时刻，电动汽车切换为放电状态，一直持续到离开电网，以满足电动汽车出行对SOC的需求
其他情况下，电动汽车根据调度指令在充电、待机和放电状态之间进行切换。
5.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述蓄电池装置荷电状态SOCBESS(t)的方程为
其中，
和
分别是蓄电池装置的充电和放电效率；
是蓄电池装置的最大容量；Δt是时间间隔。
6.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述日前调度阶段的约束条件如下：
第一、电功率平衡约束，方程为
Pex(t)+PPV(t)+PWT(t)+PBESS(t)＝PBPL(t)
第二、冷/热负荷平衡约束，方程为
QHVAC(t)+QHP(t)＝QBCHL(t)
QHVAC(t)＝PHVAC,h(t)×(1+COPHVAC)
QHP(t)＝PHP(t)×(1+COPHP)
其中，QBCHL(t)是调度时刻t的冷/热负荷；QHVAC(t)是调度时刻t的暖通空调系统的冷/热功率输出；COPHVAC是暖通空调系统的热电能效比；QHP(t)是调度时刻t的地源热泵的冷/热功率输出；COPHP是地源热泵的热电能效比；
第三、建筑楼宇热平衡约束
鉴于建筑楼宇热量流失与温度变动的慢动态过程，为简化建筑楼宇日运行成本的寻优过程，对所述基于建筑热阻-热容网络模型的室内热平衡方程进行差分化，得到建筑楼宇热平衡约束，方程为
0.278cwρwVroom[Tin(t)-Tin(t-1)]
＝Δt{[Q3(t-1)+Q6(t-1)+Q7(t-1)]-[Q1(t-1)+Q2(t-1)+Q5(t-1)]}
第四、各设备的功率上下限约束
各类设备自身的约束，包括建筑楼宇联络线功率约束、暖通空调系统运行约束，方程为
其中，
和
分别是楼宇系统与外部电网之间的联络线功率的下限和上限；
是暖通空调送风量上限；
和
分别是暖通空调送风温度下限和上限；
第五、楼宇室内温度舒适度约束，方程为
7.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述长时间尺度的日内调度阶段，n2个调度时段的楼宇VESS优化调度目标函数，方程为
其中，
是日前优化调度方案下，调度时刻t′的楼宇联络线功率目标值；Ptie-line(t′)是调度时刻t′的楼宇联络线功率实际值；n2是长时间尺度日内调度一个完整周期内的时段总数，n2＝4。
8.根据权利要求1或7所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述长时间尺度的日内调度阶段的约束条件包括：电功率平衡约束、冷/热负荷平衡约束、楼宇热平衡约束、楼宇联络线功率约束、暖通空调系统运行约束和室内温度约束。
9.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述短时间尺度的日内调度阶段，n3个调度时段的电动汽车虚拟电厂优化调度目标函数，方程为
其中，
是日前优化调度方案下，调度时刻t″的楼宇联络线功率目标值；Ptie-line(t″)为调度时刻t″的楼宇联络线实际值；n3是短时间尺度日内调度一个完整周期内的时段总数，n3＝15；
通过优化调度电动汽车虚拟电厂，将期望充放电功率值传递给各辆电动汽车，以实现对电动汽车虚拟电厂的控制，所述电动汽车虚拟电厂期望充放电功率
的约束条件，方程为
根据电动汽车虚拟电厂模型，在长时间尺度日内调度的每个调度时刻t′，计算得到段时间尺度日内调度的VPP系统放电功率最大值初始值
和充电功率最大值初始值
并且，在短时间尺度日内调度的每个调度时刻t″，实施电动汽车虚拟电厂控制后，更新
和
通过短时间尺度日内调度目标函数的寻优过程，得到电动汽车虚拟电厂的期望充放电功率
随后电动汽车虚拟电厂将期望充放电功率传递到每辆电动汽车，从而实现期望充放电功率的跟踪。在调度时刻t″，电动汽车虚拟电厂期望充放电功率与实际充放电功率的偏差ΔPVPP(t″)，方程为
如果
则当前调度时刻t″不需要对电动汽车虚拟电厂进行充放电控制；否则，通过如下步骤实现对电动汽车的充放电控制；
步骤1如果ΔPVPP(t″)＜0，每辆电动汽车的期望放电/充电功率通过方程计算得到；
其中，NEV,dch,1和NEV,ch,1分别是电动汽车虚拟电厂中，在调度时刻t″没有达到放电功率最小值和充电功率最大值的电动汽车数量；
步骤2如果ΔPVPP(t″)＞0，每辆电动汽车的期望放电/充电功率通过以下方程计算得到；
其中，NEV,dch,2和NEV,ch,2分别是电动汽车虚拟电厂中，在调度时刻t″没有达到放电功率最大值和充电功率最小值的电动汽车数量；
步骤3在调度时刻t″，利用步骤1和步骤2计算得到的每辆电动汽车期望充放电功率
更新ΔPVPP(t″)，同时根据VPP系统模型和每辆电动汽车期望充放电功率，更新VPP系统放电功率最大值
和充电功率最大值
如果ΔPVPP(t″)＝0，在调度时刻t″，根据
或
更新各辆电动汽车的充电功率或放电功率；如果ΔPVPP(t″)≠0，则重复执行步骤1～步骤3，直到更新后的ΔPVPP(t″)＝0。
10.根据权利要求1所述的基于建筑特性和虚拟电厂的建筑综合能源系统调度方法，其特征是：所述建筑综合能源系统将在CPU为Inter(R)Core(TM)i7-8250U，主频为1.8GHz的环境下，基于MATLAB平台与YALMIP工具箱建立建筑综合能源系统的数学模型与约束，采用GUROBI求解器进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110459786.3A CN113222227B (zh) | 2021-04-27 | 2021-04-27 | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110459786.3A CN113222227B (zh) | 2021-04-27 | 2021-04-27 | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113222227A CN113222227A (zh) | 2021-08-06 |
| CN113222227B true CN113222227B (zh) | 2022-07-22 |
Family
ID=77089374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110459786.3A Active CN113222227B (zh) | 2021-04-27 | 2021-04-27 | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113222227B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113887128B (zh) * | 2021-09-15 | 2024-07-26 | 浙江英集动力科技有限公司 | 基于建筑物热惰性的虚拟电厂优化调度方法、模型及系统 |
| CN113887127B (zh) * | 2021-09-15 | 2024-07-26 | 浙江英集动力科技有限公司 | 一种基于建筑物热惰性的虚拟电厂优化调度方法及系统 |
| CN113962601A (zh) * | 2021-11-14 | 2022-01-21 | 东北电力大学 | 一种基于氢储能的园区能源低碳运行调控方法 |
| CN114723332A (zh) * | 2022-05-10 | 2022-07-08 | 广东电网有限责任公司 | 一种风电不确定性下的源荷协同调度方法及装置 |
| CN115513978A (zh) * | 2022-10-24 | 2022-12-23 | 东南大学 | 一种基于建筑可调节资源的广义储能两阶段优化配置方法 |
| CN115525979B (zh) * | 2022-11-04 | 2023-05-05 | 山东大学 | 一种主动配电网可调度能力的多时间尺度评估方法及系统 |
| CN117151398B (zh) * | 2023-09-01 | 2024-08-23 | 深圳市科中云技术有限公司 | 一种基于虚拟电厂的中央空调调控方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096790A (zh) * | 2016-06-22 | 2016-11-09 | 东南大学 | 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法 |
| CN112419087A (zh) * | 2020-11-20 | 2021-02-26 | 国网江苏省电力有限公司南京供电分公司 | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 |
-
2021
- 2021-04-27 CN CN202110459786.3A patent/CN113222227B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096790A (zh) * | 2016-06-22 | 2016-11-09 | 东南大学 | 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法 |
| CN112419087A (zh) * | 2020-11-20 | 2021-02-26 | 国网江苏省电力有限公司南京供电分公司 | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 含风电及电动汽车虚拟电厂参与电力市场的优化调度策略;王金明;《电力需求侧管理》;20200131;全文 * |
| 计及储能和空调负荷的主动配电网多目标优化调度;韩笑;《电力系统保护与控制》;20180401;第46卷(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113222227A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113222227B (zh) | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 | |
| Zhou et al. | Energy flexibility investigation of advanced grid-responsive energy control strategies with the static battery and electric vehicles: A case study of a high-rise office building in Hong Kong | |
| CN110619425B (zh) | 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法 | |
| US9037307B2 (en) | Supply-and-demand control apparatus, supply-and-demand control method, and supply-and-demand control system | |
| CN109752953B (zh) | 一种集成电制冷机的楼宇供能系统模型预测调控方法 | |
| CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
| CN105931136A (zh) | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 | |
| CN112862154B (zh) | 一种考虑需求响应的区域能源系统双层规划优化方法 | |
| CN110729726B (zh) | 一种智慧社区能量优化调度方法和系统 | |
| CN105207205A (zh) | 一种融合需求侧响应的分布式能源系统能量优化调控方法 | |
| CN109685396B (zh) | 一种计及公共楼宇需求响应资源的配电网能量管理方法 | |
| CN111640044A (zh) | 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法 | |
| CN113987734A (zh) | 机会约束条件的园区综合能源系统多目标优化调度方法 | |
| CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
| Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
| Bai et al. | Flexibility quantification and enhancement of flexible electric energy systems in buildings | |
| Romaní et al. | Optimization of deterministic controls for a cooling radiant wall coupled to a PV array | |
| Wei et al. | Predictive control of low-temperature heating system with passive thermal mass energy storage and photovoltaic system: Impact of occupancy patterns and climate change | |
| Luo et al. | A two-stage energy management strategy for CCHP microgrid considering house characteristics | |
| Liu | Multiple time‐scale economic dispatching strategy for commercial building with virtual energy storage under demand response mechanism | |
| Kalantar-Neyestanaki et al. | Uncertainty-cognizant model predictive control for energy management of residential buildings with pvt and thermal energy storage | |
| CN116703118A (zh) | 差异化建筑热惯性的综合能源系统日前调度方法及系统 | |
| Shi et al. | Economic operation of industrial microgrids with multiple kinds of flexible loads | |
| Tuchowski et al. | Optimizing the air source heat pump's working time in the context of increasing the energy efficiency ratio | |
| CN113036751A (zh) | 一种考虑虚拟储能的可再生能源微电网优化调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |